sklearn 讀取csv_python常見的資料讀取方法

清單(List)：Python中最基本的資料結構，清單的資料項通過逗号分隔，可以為不同的資料類型，例如：list1 = ['physics', 'chemistry', 1997, 2000]。

ndarray：Numpy提供了N 維數組對象，用來存儲單一資料類型的多元數組。

DataFrame: Pandas提供的一種二維資料結構，資料以行(index)和列(columns)的表格方式排列，類似與excel的表結構

讀取excel（1）

import xlrd
    # 加載資料
    workbook = xlrd.open_workbook('path/Pd.xlsx')
    # 擷取所有sheet
    print(workbook.sheet_names())  # [u'sheet1', u'sheet2']
    # 根據sheet索引或者名稱擷取sheet内容
    sheet1 = workbook.sheet_by_index(0)  # sheet索引從0開始
    # sheet的名稱，行數，列數
    print(sheet1.name, sheet1.nrows, sheet1.ncols)
   # 擷取整行和整列的值（數組）
    rows = sheet1.row_values(3)  # 擷取第4行内容
    cols = sheet1.col_values(1)  # 擷取第2列内容
    # 擷取單元格内容
    print(sheet1.cell(1, 0).value)
           

讀取excel（2）

import pandas as pd
df = pd.read_excel('finally_x.xlsx')
           

将資料存入excel

out = pd.DataFrame(list)
    out.to_excel('path/name.xlsx')
           

批量處理excel

import os
dir_str = r'base_path'           #base_path為根路徑  
file_name = os.listdir(dir_str)
file_dir = [os.path.join(dir_str, x) for x in file_name]
print(file_name)
for i in range(len(file_dir)):
      read_excel(file_dir[i])
           

1.3 csv操作

f = open(path, encoding="utf-8")
#跳過前31行，讀取列名為'S', 'P', 'Pd'的三列，将空值指派為NULL
df = pd.read_csv(f, skiprows=31, usecols=['S', 'P', 'Pd'], na_values='NULL')
#删除帶有空值的行
df.dropna(inplace=True)
#将結果儲存到新的csv當中,儲存路徑為項目路徑
df.to_csv('name.csv')